Рынок заведений общественного питания Москвы

Инвесторы из фонда «Shut Up and Take My Money» решили попробовать себя в новой области и открыть заведение общественного питания в Москве. Заказчики ещё не знают, что это будет за место: кафе, ресторан, пиццерия, паб или бар, — и какими будут расположение, меню и цены.

Цель: исследовать рынок Москвы, найти интересные особенности и презентовать полученные результаты, которые в будущем помогут в выборе подходящего инвесторам места.

Задачи:

• Изучить сткрутуру данных;
• Изучить наличие пропусков, дубкатов и других аспектов, которые могут повлиять на ход работы;
• Провести анализ общих данных, выявить закономерности;
• Изучить данные о кофейнях, выявить лучшие параметры для её открытия;
• Сделать отчёт в виде презентации.

Описание данных:

Доступен датасет с заведениями общественного питания Москвы, составленный на основе данных сервисов Яндекс Карты и Яндекс Бизнес на лето 2022 года.

Файл moscow_places.csv:

• name — название заведения;
• address — адрес заведения;
• category — категория заведения, например «кафе», «пиццерия» или «кофейня»;
• hours — информация о днях и часах работы;
• lat — широта географической точки, в которой находится заведение;
• lng — долгота географической точки, в которой находится заведение;
• rating — рейтинг заведения по оценкам пользователей в Яндекс Картах (высшая оценка — 5.0);
• price — категория цен в заведении, например «средние», «ниже среднего», «выше среднего» и так далее;
• avg_bill — строка, которая хранит среднюю стоимость заказа в виде диапазона, например:
  • «Средний счёт: 1000–1500 ₽»;
  • «Цена чашки капучино: 130–220 ₽»;
  • «Цена бокала пива: 400–600 ₽».
  • и так далее;
• middle_avg_bill — число с оценкой среднего чека, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Средний счёт»:
  • Если в строке указан ценовой диапазон из двух значений, в столбец войдёт медиана этих двух значений.
  • Если в строке указано одно число — цена без диапазона, то в столбец войдёт это число.
  • Если значения нет или оно не начинается с подстроки «Средний счёт», то в столбец ничего не войдёт.
• middle_coffee_cup — число с оценкой одной чашки капучино, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Цена одной чашки капучино»:
  • Если в строке указан ценовой диапазон из двух значений, в столбец войдёт медиана этих двух значений.
  • Если в строке указано одно число — цена без диапазона, то в столбец войдёт это число.
  • Если значения нет или оно не начинается с подстроки «Цена одной чашки капучино», то в столбец ничего не войдёт.
• chain — число, выраженное 0 или 1, которое показывает, является ли заведение сетевым (для маленьких сетей могут встречаться ошибки);
• district — административный район, в котором находится заведение, например Центральный административный округ;
• seats — количество посадочных мест.

---

Изучение данных и их предобработка

До начала исследования необходимо изучить и подготовить данные к работе.

#импортируем бибилиотеки
import pandas as pd
import warnings
import folium
# импортируем карту и маркер
from folium import Map, Marker
# импортируем кластер
from folium.plugins import MarkerCluster
# импортируем карту и хороплет
from folium import Map, Choropleth
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px 
from plotly import graph_objects as go

# путь к файлу
url = '/datasets/moscow_places.csv'

# записываем в переменную данные
places = pd.read_csv(url)

!pip install openpyxl

Requirement already satisfied: openpyxl in /opt/conda/lib/python3.9/site-packages (3.0.9)
Requirement already satisfied: et-xmlfile in /opt/conda/lib/python3.9/site-packages (from openpyxl) (1.1.0)

writer = pd.ExcelWriter('output.xlsx') 
# write dataframe to excel 
places.to_excel(writer) 
# save the excel 
writer.save()

# построим первые 5 строк датафрейма
places.head()

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0

#функция для предобработки данных

def preprocessing(file, file_name):
    print('Информация о таблице', file_name)
    print(file.info())
    print('___________________________')
    print('')
    
    print('Наличие явных дубликатов в', file_name)
    print(file.duplicated().sum())
    print('___________________________')
    print('')
    
    print('Наличие пропусков в таблице', file_name)
    print(file.isna().sum())

preprocessing(places, 'places')

Информация о таблице places
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB
None
___________________________

Наличие явных дубликатов в places
0
___________________________

Наличие пропусков в таблице places
name                    0
category                0
address                 0
district                0
hours                 536
lat                     0
lng                     0
rating                  0
price                5091
avg_bill             4590
middle_avg_bill      5257
middle_coffee_cup    7871
chain                   0
seats                3611
dtype: int64

Итак, всего у нас 8406 заведений. Во всех заведениях известно наименование, категория, метоположение, рейтинг и является ли заведение сетевым. Однако не все заведения указывают часы работы, количество мест и цены в своих заведениях. Данные содержат 3 типа: object, int64, float64

Явных дубликатов нет, однако присутствуют множественные пропуски. К сожалению, обработать большую часть их них невозможно. Рабочие часы и количество мест зависит от помещения и внутреннего устава компаний. Столбцы middle_avg_bill и middle_coffee_cup не могут быть заполнены из-за отсутствия статистики. Также многие компании могли не заполнять столбец middle_coffee_cup, так как не являются кофейнями. Стоит проверить, можем ли мы заполнить хотя бы пропуски в столбце price, опираясь на столбец avg_bill. Для этого проверим есть ли закономерности между средними ценами и самим статусом ценового сегмента.

В теории можно заполнить пропусков:

warnings.simplefilter("ignore")
data_avg_bill = places[places['avg_bill'].apply(lambda x: 'счёт' in str(x))][places['price'].isna()]
print(len(data_avg_bill))

470

Посмотрим есть ли закономерности.

pd.options.display.max_colwidth = 500
places[places['avg_bill'].apply(lambda x: 'счёт' in str(x))][['price', 'avg_bill']].groupby('price')['avg_bill'].unique()

price
высокие          [Средний счёт:1500–2000 ₽, Средний счёт:2000–2500 ₽, Средний счёт:2100 ₽, Средний счёт:2000 ₽, Средний счёт:1500–3000 ₽, Средний счёт:2500–3000 ₽, Средний счёт:2000–3000 ₽, Средний счёт:4500–5500 ₽, Средний счёт:2500 ₽, Средний счёт:1500–5000 ₽, Средний счёт:1500–2500 ₽, Средний счёт:1500–1880 ₽, Средний счёт:5000–17000 ₽, Средний счёт:3500–4000 ₽, Средний счёт:от 2000 ₽, Средний счёт:от 1800 ₽, Средний счёт:1800 ₽, Средний счёт:3000 ₽, Средний счёт:4000–5000 ₽, Средний счёт:700–3000 ₽, Сред...
выше среднего    [Средний счёт:1500–1600 ₽, Средний счёт:1500 ₽, Средний счёт:1000–1500 ₽, Средний счёт:600–2000 ₽, Средний счёт:300–2000 ₽, Средний счёт:700–1500 ₽, Средний счёт:1200–1800 ₽, Средний счёт:от 1500 ₽, Средний счёт:1000–2000 ₽, Средний счёт:1200–1600 ₽, Средний счёт:1000–1300 ₽, Средний счёт:350–2400 ₽, Средний счёт:1200–1500 ₽, Средний счёт:1400–1600 ₽, Средний счёт:400–2500 ₽, Средний счёт:800–1500 ₽, Средний счёт:800–2000 ₽, Средний счёт:250–500 ₽, Средний счёт:2000 ₽, Средний счёт:1500–1800...
низкие           [Средний счёт:от 120 ₽, Средний счёт:150–300 ₽, Средний счёт:240 ₽, Средний счёт:50–300 ₽, Средний счёт:60–140 ₽, Средний счёт:140–160 ₽, Средний счёт:300 ₽, Средний счёт:450–600 ₽, Средний счёт:150–200 ₽, Средний счёт:100–180 ₽, Средний счёт:160–200 ₽, Средний счёт:80–300 ₽, Средний счёт:400–600 ₽, Средний счёт:400–650 ₽, Средний счёт:300–350 ₽, Средний счёт:от 180 ₽, Средний счёт:от 200 ₽, Средний счёт:250–350 ₽, Средний счёт:300–400 ₽, Средний счёт:35–300 ₽, Средний счёт:150 ₽, Средний сч...
средние          [Средний счёт:от 1000 ₽, Средний счёт:400–600 ₽, Средний счёт:199 ₽, Средний счёт:200–300 ₽, Средний счёт:от 500 ₽, Средний счёт:1000–1200 ₽, Средний счёт:330 ₽, Средний счёт:300–500 ₽, Средний счёт:140–350 ₽, Средний счёт:350–500 ₽, Средний счёт:300–1500 ₽, Средний счёт:200–250 ₽, Средний счёт:300 ₽, Средний счёт:от 345 ₽, Средний счёт:60–400 ₽, Средний счёт:500–800 ₽, Средний счёт:500–1000 ₽, Средний счёт:600–700 ₽, Средний счёт:600 ₽, Средний счёт:450 ₽, Средний счёт:100–500 ₽, Средний сч...
Name: avg_bill, dtype: object

К сожалению, нельзя точно сказать как распределены группы. Среди высоких цен может быть средний чек от 700, среди категорий выше среднего могут быть средние счера в 250-500 рублей и так далее. Из-за этих пересечений нельзя утверждать, что по среднему счёту можно сразу определить категорию.

Пропуски стоит оставить, чтобы избежать искажения данных. Явных дубликатов не выявлено.

Для дальнейшей работы также необходимо создать несколько столцов:

• столец street с названиями улиц из столбца с адресом
• столбец is_24/7 с обозначением, что заведение работает ежедневно и круглосуточно

# создадим столбец с названием улицы
places['street'] = places['address'].apply(lambda x: x.split(sep=', ')[1])
# альтернативный способ
# places['street'] = places['address'].str.split(', ').str[1]

# создадим столбец, в котором будет отображено является ли сеть круглосуточной 
# и работает ои одна ежедневно
places['is_24/7'] = places[places['hours'].apply(lambda x: 'ежедневно, круглосуточно' in str(x))]['hours'] == 'ежедневно, круглосуточно'
places['is_24/7'] = places['is_24/7'].fillna(False)

# альтернативный способ
# places['is_24/7'] = places['hours'].str.contains('ежедневно, круглосуточно')

places.head()

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	street	is_24/7
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN	улица Дыбенко	False
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0	улица Дыбенко	False
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00–02:00	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0	Клязьминская улица	False
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN	улица Маршала Федоренко	False
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0	Правобережная улица	False

Создание функций для графиков

def heatmap(data, index, columns, values, aggfunc, title):
    data = data.pivot_table(index=index, columns=columns, values=values, aggfunc=aggfunc)
    plt.figure(figsize=(14,6))
    plt.title(title)
    sns.heatmap(data, annot=True)
    plt.show()

def bar(data, index, values, aggfunc, title):
    fig = px.bar(data.pivot_table(index=index, values=values, aggfunc=aggfunc), title=title)
    fig.show()

def map(data, group, column, agg, title):
    rating_df = data.groupby(group, as_index=False)[column].agg(agg)
    
    # загружаем JSON-файл с границами округов Москвы
    state_geo = '/datasets/admin_level_geomap.geojson'
    # moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
    moscow_lat, moscow_lng = 55.751244, 37.618423
    
    # создаём карту Москвы
    m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
    
    # создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
    Choropleth(
        geo_data=state_geo,
        data=rating_df,
        columns=[group, column],
        key_on='feature.name',
        fill_color='YlGn',
        fill_opacity=0.8,
        legend_name=title,
    ).add_to(m)
    
    # выводим карту
    return m

Итак, в ходе данного раздела мы посмотрели структуру данных, убедились, что нет явных дубликатов и посмотрели пропуски. Также были добавлены столбцы с улицей и информацией о том, является ли заведение круглосуточным. также созданы функции для графиков.

---

Анализ данных

Теперь можно приступить к анализу данных. Для этого стоит сделать:

• исследовать категории заведений;
• исследовать сетевые заведения;
• исседовать районы и улицы Москвы.

Исследование категорий заведений

Начнём с исследования категорий.

category = places['category'].unique()
print('Всего у нас есть', len(category), 'категорий:', '; '.join(category))

Всего у нас есть 8 категорий: кафе; ресторан; кофейня; пиццерия; бар,паб; быстрое питание; булочная; столовая

До начала определим сколько у нас заведений разных категорий. Для удобства представим результат в видк круговой диаграммы:

count_category = places.pivot_table(index=['category'], values='address', aggfunc='count').sort_values(by = 'address', ascending=False)
count_category.columns= ['values']

name_cat = count_category.index
values = count_category['values']

fig = go.Figure(data=[go.Pie(labels=name_cat, values=values, pull=[0.2, 0.1, 0.05])])
fig.update_layout(title='Распределение количества заведений по категориям')          
fig.show() 

Итак, больше всего в Москве кафе, на втором месте ресторане, на третьем кофейни.

Теперь проверим, как распределены категории по районам Москвы.

heatmap(places, 'district', 'category', 'address', 'count', 'Распределение категорий по районам')

Больше всего выделяется центральный округ. Там больше всего заведений и больше всего именно рестиранов. Кафе во всех регионах лежат в дианопозе от 200 до 500. Также можно заметить, что больше всего пабов именно в центральном районе.

Обычно в городах бывают улицы, где больше всего определённых заведений, например в СПб улица Рубенштейна известна как "улица баров". Выявим, есть ли подобные улицы в Москве. Будем считать, что соотношение верно, если хотя бы 5% заведений от общего количества находятся на конкретной улице.

a = places.pivot_table(index='street', columns='category', values='address', aggfunc='count')
df = pd.DataFrame()
df['count'] = places['category'].value_counts()
df['max_street'] = a.max()
df['street'] = a.idxmax()
df['per'] = df['max_street'] / df['count'] * 100
df

	count	max_street	street	per
кафе	2378	53.0	проспект Мира	2.228764
ресторан	2043	45.0	проспект Мира	2.202643
кофейня	1413	36.0	проспект Мира	2.547771
бар,паб	765	15.0	Ленинградский проспект	1.960784
пиццерия	633	15.0	Профсоюзная улица	2.369668
быстрое питание	603	21.0	проспект Мира	3.482587
столовая	315	7.0	Варшавское шоссе	2.222222
булочная	256	4.0	Ленинградский проспект	1.562500

По имеющимся данным не удалось выявить зависимость улиц и категорий заведений.

Теперь проверим количество посадочных мест по категориям. До начала вывелем среднее и медианное значения, чтобы понять, как они различаются. Затем построим heatmap, чтобы понять, как среднее количество мест по категориям зависит от: местоположения(района) ,сети и круглосуточности.

places.pivot_table(index='category', values='seats', aggfunc=['mean', 'median'])

	mean	median
	seats	seats
category
бар,паб	124.532051	82.5
булочная	89.385135	50.0
быстрое питание	98.891117	65.0
кафе	97.512315	60.0
кофейня	111.199734	80.0
пиццерия	94.496487	55.0
ресторан	121.944094	86.0
столовая	99.750000	75.5

Можно заметить, что среднее и медианные значения достаточно сильно отличаются. Посмотрим по графикам от каких параметров может зависеть.

values = ['district', 'chain', 'is_24/7']
for i in values:
    heatmap(places, 'category', i, 'seats', 'mean', ('Распределение мест для ' + i))

В среднем больше всего посадочных мест в барах и рестоанах, при этом самое большое количество мест в Западном округе. Из несетых заведений больше всего посадочных мест также в рестаранах и пабах, а в сетевых заведениях лидируют рестораны, однако также много посадочных мест в кофейнях. В среднем в круглосуточных ресторанах больше всего мест, а не в круглосуточных больше всего мест в барах.

Теперь изучим рейтинги заведений по категориям.

data = pd.DataFrame(places.groupby('category')['rating'].mean())
data

	rating
category
бар,паб	4.387712
булочная	4.268359
быстрое питание	4.050249
кафе	4.123886
кофейня	4.277282
пиццерия	4.301264
ресторан	4.290357
столовая	4.211429

Теперь визуализируем рейтинги.

data.plot(kind='bar')
plt.title('Средний рейтинг по категориям')
plt.xlabel('Категория')
plt.ylabel('Рейтинг')
plt.show()

Как можно заметить, все средние рейтинги выше 4 баллов, однако у быстрого питания они самые низкие. В среднем, самые высокие рейтинги у баров и пабов.

После изучения категории заведений можно сделать следующие выводы:

• Больше всего по Мск кафе, ресторанов и кофеен;
• Самый популярный район - Центральный;
• В Мск нет улиц, которые бы отличались количеством определённых мест;
• Больше всего посадочных мест нужно чтобы открыть ресторан или бар. Меньше всего мест нужно для булочных.
• По категориями средний рейтинг не сильно отличается, однако у быстрого питания они ниже всего, а у баров выше всего.

Исследование сетевых заведений

На данном этапе стоит рассмотреть сетевые заведения. Рассмотреть сколько их по отношению к несетевым и посмотреть, как зависит сеть от разных параметров.

count_chain = places.pivot_table(index=['chain'], values='address', aggfunc='count').sort_values(by = 'address', ascending=False)
count_chain.columns= ['values']

name_chain = count_chain.index
values = count_chain['values']

fig = go.Figure(data=[go.Pie(labels=name_chain, values=values)])
fig.update_layout(title='Распределение количества заведений по сетям')          
fig.show() 

Сетевых заведений 38,1% от общего числа заведений.

Теперь рассмотрим сами сетевые заведения.

chain_places = places[places['chain'] == 1]

chain = ['в сетевых заведениях', 'в несетевых заведениях']
titles = ['Количесво заведений по категориям ', 'Количество заведений по районам ', 'Количество заведений по круглосуточности ']
index = ['category', 'district', 'is_24/7']
for i in range(len(index)):
    bar(chain_places, index[i], 'name', 'count', (str(titles[i]) + str(chain[0])))

Итак, больше всего сетевых заведений являются кафе, кофейнями и ресторанами и больше всего их расположено в центральном районе. Зачастую они не круглосуточные.

Теперь рассмотрим несетевые заведения.

not_chain_places = places[places['chain'] == 0]

for i in range(len(index)):
    bar(not_chain_places, index[i], 'name', 'count', (str(titles[i]) + str(chain[1])))

Несетевыми часто являются некруглосуточные кафе в ценральном районе

Итак,

• Несетевых заведений больше, чем сетевых, сетевые заведения занимают 38,1% от общего числа заведений;
• Самое большое количество сетевых заведений являются кафе, ресторанами и кофейнями, располагаются чаще всего в центральном районе и не являются круглосуточными;
• Самое большое количество несетвых заведений - некруглосуточные кафе в центральном районе.

Теперь изучим сами заведения. В дальнейшем будем рассматривать только сетевые, т.е. использовать таблицу chain_places.

До начала выведем топ-15 сетевых заведений

count_category = pd.DataFrame(chain_places.groupby('name').count().sort_values(by='category', ascending=False).head(15)['category'])
count_category.columns= ['values']

name_cat = count_category.index
values = count_category['values']

fig = go.Figure(data=[go.Pie(labels=name_cat, values=values, pull=[0.2, 0.1, 0.05])])
fig.update_layout(title='Топ-15 сетевых заведений')          
fig.show() 

Итак, самыми популярными по Мск являются Шоколадница, Домино'с пицца и Додо Пицца

Теперь посмотрим на категории этих заведений.

top = pd.DataFrame(chain_places.groupby('name').count().sort_values(by='category', ascending=False).head(15)['category']).index
pd.DataFrame(chain_places.query('name in @top').groupby('name')['category'].unique())

	category
name
CofeFest	[кофейня, кафе]
Cofix	[кофейня]
One Price Coffee	[кофейня]
Prime	[ресторан, кафе]
Буханка	[булочная, кофейня, кафе]
Додо Пицца	[пиццерия]
Домино'с Пицца	[пиццерия]
КОФЕПОРТ	[кофейня]
Кулинарная лавка братьев Караваевых	[кафе]
Му-Му	[кафе, ресторан, кофейня, быстрое питание, пиццерия, столовая, бар,паб]
Теремок	[ресторан, быстрое питание]
Хинкальная	[быстрое питание, кафе, ресторан, столовая, бар,паб]
Чайхана	[кафе, быстрое питание, ресторан]
Шоколадница	[кофейня, кафе]
Яндекс Лавка	[ресторан]

Как было выяснено ранее, больше всего ресторанов, кафе и кофеен, однако также есть 2 большие сети пиццерий по городу. Вероятнее всего это связано с размером этих сетей, значит конкурировать с ними будет сложно.

Изучение районов и улиц

Не менее важно рассмотреть информацию по районам города.

district = places['district'].unique()
print('Всего у нас есть', len(district), 'районов:', '; '.join(district))

Всего у нас есть 9 районов: Северный административный округ; Северо-Восточный административный округ; Северо-Западный административный округ; Западный административный округ; Центральный административный округ; Восточный административный округ; Юго-Восточный административный округ; Южный административный округ; Юго-Западный административный округ

Построим графики распределения категорий по районам.

plt.figure(figsize=(20, 10))
sns.countplot(x='district', hue='category', data=places)
plt.xticks(rotation=45)
plt.title('Распределение категорий по районам')
plt.show()

В северном, восточном, юго-восточном, юго-западном и северо-восточном районах больше всего кафе, в северо-западном, южном и западном больше всего кафе и ресторанов, в центральном больше всего ресторанов

Также можно рассмотреть рейтинги по регионам.

data = pd.DataFrame(places.groupby('district')['rating'].mean())
data

	rating
district
Восточный административный округ	4.174185
Западный административный округ	4.181551
Северный административный округ	4.239778
Северо-Восточный административный округ	4.148260
Северо-Западный административный округ	4.208802
Центральный административный округ	4.377520
Юго-Восточный административный округ	4.101120
Юго-Западный административный округ	4.172920
Южный административный округ	4.184417

data.plot(kind='bar')
plt.title('Средний рейтинг по регионам')
plt.xlabel('Район')
plt.ylabel('Рейтинг')
plt.show()

Самые высокие рейтинги в Центральном регионе, самые низкие в Юго-Восточном

Теперь рассмотрим рейтинги по районам.

heatmap(places, 'district', 'category', 'rating', 'mean', 'Рейтинг по категориям')

Здесь уже видна разница. Рейтинги у быстрого питания в некоторых районах ниже 4. Самые высокие оценки в Центральном районе, но даже в здесь оценки у быстрого питания самые низкие. Оценки выше 4,4 есть у баров, пиццерий и ресторанов. Средние оценки у кафе не в центральном районе ниже 4,3.

Однако среднее значение не всегда показательно. Рассмотрим также медианное значение рейтинга по регионам.

map(places, 'district', 'rating', 'median', 'Медианный рейтинг заведений по районам')

Make this Notebook Trusted to load map: File -> Trust Notebook

Самые хорошие рейтинги в Центральном районе.

Теперь изучим улицы Москвы. Для этого выведем все заведения на карте с помощью кластеров, затем найдём топ-15 улиц по количеству заведений. Далее найдём улицы, на которых находится только один объект общепита.

# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['category']}",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
places.apply(create_clusters, axis=1)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Составим топ-15 улиц

top_st_data = places.pivot_table(index='street', values='name', aggfunc='count').sort_values(by='name', ascending=False).head(15)
# соделаем отдельно список топ-15 улиц
top_st = top_st_data.index
top_st_data

	name
street
проспект Мира	184
Профсоюзная улица	122
проспект Вернадского	108
Ленинский проспект	107
Ленинградский проспект	95
Дмитровское шоссе	88
Каширское шоссе	77
Варшавское шоссе	76
Ленинградское шоссе	70
МКАД	65
Люблинская улица	60
улица Вавилова	55
Кутузовский проспект	54
улица Миклухо-Маклая	49
Пятницкая улица	48

Построим график распределения количества заведений и их категорий по улицам.

top_st_data = places.query('street in @top_st')
plt.figure(figsize=(20, 10))
sns.countplot(x='street', hue='category', data=top_st_data)
plt.xticks(rotation=45)
plt.show()

Как уже было выяснено ранее, по имеющимся данным нет улицы определённой категории. Однако можно выявить следующие закономерности:

Больше всего кафе на улицах: МКАД, проспект Мира,Профсоюзная улица, Люблинская улица. Больше всего ресторанов: Ленинградское шоссе, Ленинградский проект, Ленинский проект, Пятницкая улица, проспект Вернадского. Больше всего кафе и ресторанов: Дмитровское шоссе, Кутузовский проект, улица Вавилова, Варшавское шоссе, Каширское шоссе.

Однако важно помнить, что не всегда количество заведений определяет то, популярна ли она в плане питания в общем. Стоит посмотреть на размеры улиц, чтобы узнать, на каких улицах много заведений потому что они популярны, а на каких много заведений, потому что они большие.

# создадим список с цветами
color = ['blue', 'red', 'green', 'purple', 'orange', 'brown', 'pink', 'gray', 'cyan', '#ADFF2F', '#CD5C5C', '#800000', '#FFA07A', '#20B2AA', '#00FA9A']
color_name = ['синий', 'красный', 'зелёный', 'фиолетовый', 'оранжевый', 'коричневый', 'розовый', 'серый', 'бирюзовый', 'салатовый', 'коралловый', 'тёмно-красный', 'светло-оранжевый', 'морской-голубой', 'ярко-салатовый']
# создадим таблицу, где присвоим кажой улице свой цвет
street_data = pd.DataFrame()
street_data['street'] = top_st
street_data['color'] = color
street_data['color_name'] = color_name
street_data

	street	color	color_name
0	проспект Мира	blue	синий
1	Профсоюзная улица	red	красный
2	проспект Вернадского	green	зелёный
3	Ленинский проспект	purple	фиолетовый
4	Ленинградский проспект	orange	оранжевый
5	Дмитровское шоссе	brown	коричневый
6	Каширское шоссе	pink	розовый
7	Варшавское шоссе	gray	серый
8	Ленинградское шоссе	cyan	бирюзовый
9	МКАД	#ADFF2F	салатовый
10	Люблинская улица	#CD5C5C	коралловый
11	улица Вавилова	#800000	тёмно-красный
12	Кутузовский проспект	#FFA07A	светло-оранжевый
13	улица Миклухо-Маклая	#20B2AA	морской-голубой
14	Пятницкая улица	#00FA9A	ярко-салатовый

# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
for i in range(len(top_st)):
    d = top_st_data[top_st_data['street'] == top_st[i]][['lat', 'lng']]
    folium.PolyLine(d, color=color[i]).add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Как можно заметить, МКАД появился в топе не из-за насыщенности заведениями, а из-за своего размера. Также большими можно назвать Дмитровское шоссе и Варшавское шоссе, однако лидеры топа, например проспект Мира, Профсоюзная улица, проспект Вернадского, Ленинский проспект, относительно Москвы не большие. Поэтому их по-прежнему можно считать популярными.

Теперь изучим улицы, на которых находится только 1 заведение.

one_count = places.pivot_table(index='street', values='name', aggfunc='count').sort_values(by='name')
one_count.columns = ['count']
one_count = one_count[one_count['count'] == 1]
print('Всего', one_count.shape[0], 'таких улиц')

Всего 458 таких улиц

# создадим список таких улиц
one_count_st = one_count.index
# создадим датафрейм с этими улицами
one_count_data = places.query('street in @one_count_st')

Теперь проверим на рейтинги этих заведений.

heatmap(one_count_data, 'district', 'category', 'rating', 'mean', 'Рейтинг по категориям')

Рейтинги в некоторых районах отсутствуют

Можно заметить, что рейтинги достаточно высокие. Вероятнее всего это связано с тем, что у посетителей нет альтернатив. Возможно, открывать заведение на таких улицах будет выгодно в плане рейтинга.

Теперь посмотрим, как связан рейтинг, сети и категории.

heatmap(one_count_data, 'chain', 'category', 'rating', 'mean', 'Рейтинг по сетям')

У сетевых баров достаточно высокие рейтинги. Вероятнее всего конкурировать с ними будет сложно.

Рассмотрим рейтинг по круглосуточности

heatmap(one_count_data, 'is_24/7', 'category', 'rating', 'mean', 'Рейтинг по круглосуточности')

Если у некруглосуточных заведений на этих улицах рейтинг может колебаться от 4.1 до 4.5. В круглосуточных отсутствует рейтинг у пиццерий и столовых. Самый высокий рейтинг у баров

Теперь рассмотрим медианную стоимость заказа по районам.

map(places, 'district', 'middle_avg_bill', 'median', 'Медианные стоимости заказа в рублях')

Make this Notebook Trusted to load map: File -> Trust Notebook

В центральном районе, западных и в юго-западных районах цены самые высокие. В других регионах цены значительно ниже. То есть чем дальше район от центра, тем ниже цены во всех направлениях, кроме западного и юго-западного.

Выводы раздела:

Больше всего по Мск кафе, ресторанов и кофеен.

Самый популярный район – Центральный.

В Мск нет улиц, которые бы отличались количеством определённых мест.

Больше всего посадочных мест нужно чтобы открыть ресторан или бар. Меньше всего мест нужно для булочных.

По категориями средний рейтинг не сильно отличается, однако у быстрого питания они ниже всего, а у баров выше всего.

Большая часть заведений – несетевые, 38,1% круглосуточные.

Большая часть заведений – некруглосуточные.

Самыми популярными по Мск являются заведения: Шоколадница, Домино'с пицца и Додо Пицца.

По всем данным больше всего кафе, ресторанов и кофеен. Пиццерии вероятнее всего являются олигополией, поэтому конкурировать с ними будет сложно.

В центральном районе очень много ресторанов. В остальные районах больше предпочитают кафе, но ресторанов также много.

Самые высокие рейтинги в Центральном районе, самые низкие в Юго-Восточном.

Самой большой по количеству заведений является улица проект Мира. На ней, как и на многих других улицах больше всего кафе. Также на многих улицах большое количестве ресторанов.

На 458 улицах находится только 1 заведение. На этих улицах, у некруглосуточных заведений рейтинг примерно одинаковый, а у круглосуточных самый высокий у баров, пиццерий и столовых. У сетевых заведений высокий рейтинг у баров. Рейтинги относительно общих данных достаточно высокие. Особенно выделяются булочные, пиццерии и бары.

Самые высокие цены не только в центральном районе. Также высокие цены в западном и юго-западных районах. Однако в остальных случаях цены ниже, чем в центральном районе.

---

Детализируем исследование: открытие кофейни

Мечта заказчика - окрыть кофейню. Конкуренции они не бояться, поэтому рассматривать олигополию пиццерий не нужно.

В данном разделе будут даны ответы на следующие вопросы:

• Сколько всего кофеен в датасете? В каких районах их больше всего, каковы особенности их расположения?
• Есть ли круглосуточные кофейни?
• Какие у кофеен рейтинги? Как они распределяются по районам?
• На какую стоимость чашки капучино стоит ориентироваться при открытии и почему?

# создадим тодельную таблицу только с кофейнями
coffee_data = places[places['category'] == 'кофейня']

print('Всего в Москве', coffee_data.shape[0], 'кофеен')

Всего в Москве 1413 кофеен

Рассмотрим их распределение по районам.

plt.figure(figsize=(20, 10))
sns.countplot(x='district', data=coffee_data)
plt.xticks(rotation=45)
plt.title('Распределение кофеен по районам')
plt.show()

Для удобства посмотрим на карте.

map(coffee_data, 'district', 'name', 'count', 'Количество кофеен по районам')

Make this Notebook Trusted to load map: File -> Trust Notebook

Больше всего кофеен в центре. В остальных районах их количество от 50 до 200 заведений на район.

Изучим круглосуточные кофейни.

print('Всего', coffee_data['is_24/7'].sum(), 'круглосуточных кофеен')

Всего 59 круглосуточных кофеен

Посмотрим как их количество зависит от района.

map(coffee_data, 'district', 'is_24/7', 'sum', 'Количество круглосуточных кофеен')

Make this Notebook Trusted to load map: File -> Trust Notebook

Больше всего круглосуточных кофеен в центре. В остальных районах их почти нет. Однако некоторое количество присутствует в районах с большими ценами: западном и юго-западном

Изучим рейтинги кофеен.

print('Медианный рейтинг всех кофеен равен',coffee_data['rating'].median() , '. Средний рейтинг:',coffee_data['rating'].mean())

Медианный рейтинг всех кофеен равен 4.3 . Средний рейтинг: 4.27728237791932

Посмотрим как рейтинги распределены на карте.

map(coffee_data, 'district', 'rating', 'median', 'Медианный рейтинг заведений по районам')

Make this Notebook Trusted to load map: File -> Trust Notebook

В западном районе самые низкие рейтинги

Дополнительно изучим количество посадочных мест.

map(coffee_data, 'district', 'seats', 'median', 'Медианное количество посадочных мест')

Make this Notebook Trusted to load map: File -> Trust Notebook

Самые большое кофейни в западном районе.

Рассмотрим стоимость чашки капучино.

print('Стоит ориентироваться на цену от', int(coffee_data['middle_coffee_cup'].median()), 'до', round(coffee_data['middle_coffee_cup'].mean()), 'рублей')

Стоит ориентироваться на цену от 170 до 175 рублей

map(coffee_data, 'district', 'middle_coffee_cup', 'median', 'Медианная цена чашки капучино')

Make this Notebook Trusted to load map: File -> Trust Notebook

Рекомендации:

Самое большое количество кофеен, как не удивительно, в центре. меньше всего их на северо-востоке. Если следовать принципу: чем больше заведений, тем выше спрос, то центр - идеальное место для открытия кофейни.

Очень мало круглосуточных кофеен в районе кроме центрального. Нет смысла искать персонал и оборудовать всё под круглосуточное заведение, так как конкурентного преимущества по сути это не даст. Люди, которые живут или ездят в центр ночью наверняка знают, что большая часть кофеен находится именно в центре и не будут замечать новую круглосуточную кофейню на окраине. Если же открывать кофейню в центре, то здесь стоит ичитывать тот факт, что ночью мало кто предпочтёт пить кофе. В основном все идёт в бары или рестораны. Поэтому даже в центре нет смысла открывать круглосуточную кофейню.

Самые большие и самые низкие по рейтингам кофейни находятся в западном районе. Стоит избегать данный район, так как окрывать большую кофейню изначально - не очень хорошая идея, а низкие рейтинги могут привести к тому, что кофейня потеряет посетителей и разорится.

Стоимость чашки капучино должна быть в среднем от 170 до 175 рублей. Такая цена позволит сохранять конкурентоспособность, так как она не будет в низком ценовом сигменте и не будет в высоком.

---

Презентация

https://disk.yandex.ru/d/iqmMXNZYltv3dQ

---

Выводы

В ходе данной работы были проделаны следующие шаги:

• Изучена сткрутура данных;
• проверено наличие дубликатов;
• изучены пропуски. Выяснено, что их заполнение будет затруднительным;
• проведён анализ данных всех категорий заведений;
• изучены данные о кофейнях;
• сделан отчёт в виде презентации.

Найденные закономерности и рекомендации:

самые популярные виды заведений: кафе, ресторан и кофейни. Видимо, они пользуются наибольшим спросом. Поэтому открытие кофейни - отличная идея;

вероятнее всего пиццерии образуют олигополию, из-за которой будет трудно с ними конкурировать;

в Москве нет улицы, которая бы отличалась определённым видом заведений. Однако, самая популярная улица - Проект Мира;

лучше всего открывать кофейню в Центральном районе, так как там больше всего заведений (при учёте, что заказчик не боится конкуренции);

стоит избегать Западного района для открытия кофейни, так как там нужно открывать большую кофейню, также так самые низкие рейтинги, что может отталнуть потенциальных клиентов;

стоит ориентироваться на количество мест от 65;

средняя цена на капучино должна быть от 170 до 175 рублей;

кофейня не обязательно должна быть круглосуточной.